tf.LayersModel es una clase que se utiliza para el entrenamiento, la inferencia y la evaluación del modelo de capas en tensorflow.js. Contiene métodos para entrenamiento, evaluación, predicción y para guardar modelos de capas. Entonces, en esta publicación, vamos a conocer la función model.summary().
La función model.summary() en tensorflow.js imprime el resumen del modelo que incluye el nombre del modelo, números de parámetros de peso, números de parámetros entrenables.
Sintaxis:
model_name.summary (line length, position, print function)
Parámetros: Todos los parámetros son opcionales.
- longitud de línea: Es una longitud de línea personalizada en varios caracteres.
- posición: Es una array que muestra anchos para cada columna, los valores pueden ser fraccionarios o absolutos.
- función de impresión: función que imprime el resumen del modelo, la función predeterminada es console.log().
Devoluciones: Nulo.
Ejemplo 1: en este ejemplo, vamos a crear el modelo secuencial con capas densas individuales e imprimir el resumen del modelo usando la función model.summary().
Javascript
// Importing the tensorflow.Js library import * as tf from "@tensorflow/tfjs" // Creating model var myModel = tf.sequential({ layers:[tf.layers.dense({ units: 10, inputShape: [15] })] }); // Print the summary myModel.summary();
Producción:
_________________________________________________________________ Layer (type) Output shape Param # ================================================================= dense_Dense8 (Dense) [null,10] 160 ================================================================= Total params: 160 Trainable params: 160 Non-trainable params: 0 _________________________________________________________________
Ejemplo 2: En este ejemplo, vamos a crear el modelo con 2 capas densas que tienen la función de activación relu y softmax usando el método tf.model y haciendo predicciones que también imprimen el resumen del modelo.
Javascript
// Importing the tensorflow.Js library import * as tf from "@tensorflow/tfjs" // Define input var inp=tf.input({shape:[8]}); // Dense layer 1 var denseLayerOne=tf.layers.dense({units:7,activation:'relu'}); // Dense layer 1 var denseLayerTwo=tf.layers.dense({units:5, activation:'softmax'}); // Generate the output var out=denseLayerTwo.apply(denseLayerOne.apply(inp)); // Model creation var myModel=tf.model({inputs:inp,outputs:out}); // Make prediction console.log("\nPrediction :") myModel.predict(tf.ones([3,8])).print(); console.log("\nSummary :") myModel.summary();
Producción:
Prediction : Tensor [[0.2074656, 0.1515629, 0.2641615, 0.2237201, 0.1530899], [0.2074656, 0.1515629, 0.2641615, 0.2237201, 0.1530899], [0.2074656, 0.1515629, 0.2641615, 0.2237201, 0.1530899]] Summary : _________________________________________________________________ Layer (type) Output shape Param # ================================================================= input7 (InputLayer) [null,8] 0 _________________________________________________________________ dense_Dense19 (Dense) [null,7] 63 _________________________________________________________________ dense_Dense20 (Dense) [null,5] 40 ================================================================= Total params: 103 Trainable params: 103 Non-trainable params: 0 _________________________________________________________________
Referencia: https://js.tensorflow.org/api/latest/#tf.LayersModel.summary
Publicación traducida automáticamente
Artículo escrito por abhijitmahajan772 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA